淀粉样变性与神经退行性疾病靶点结构映射——神经研究数据集 v1.1
数据附带 CRC32/MD5 可校验清单，采用 CC BY 4.0 许可，开放学术与商业治疗用途，可用于靶点结构映射、致病机制研究与治疗策略探索（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）
基本信息
资源简介
淀粉样变性与神经退行性疾病靶点结构映射——神经研究数据集 v1.1
Structural Mapping of Amyloidogenic and Neurodegenerative Disease Targets -- Neuro Research Dataset v1.1
该数据集聚焦神经退行性疾病相关蛋白，提供经过整理的序列、致病机制与治疗背景信息，覆盖 ALS、Alzheimer's Disease、Huntington's Disease、Parkinson's Disease 等方向，涉及 Amyloid Beta、Huntingtin、SOD1、TDP-43 等靶点。数据附带 CRC32/MD5 可校验清单，采用 CC BY 4.0 许可，开放学术与商业治疗用途，可用于靶点结构映射、致病机制研究与治疗策略探索（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集为神经退行性疾病核心蛋白提供经过整理的序列、致病机制与治疗背景。完整性与溯源：坐标与分析附带可通过 CRC32/MD5 校验的清单；TTT-7 审计标记仅为组织约定。许可：CC BY 4.0——开放用于学术与商业治疗用途。主要研究者：James Paul Trageser 所属机构：Nexus Resonance Codex ORCID：0009-0006-6678-2908 X（Twitter）：@jtrag 仓库：
【主题与分类】
主题标签：ALS、Alzheimer's Disease、Amyloid Beta、Amyotrophic Lateral Sclerosis、BY、CC、CRC32、Huntingtin、Huntington's Disease、MD5。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.22993175
使用许可：Creative Commons Attribution 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.22993175
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 6.4 MB。
数据说明
该数据集提供了神经退行性疾病核心蛋白质的精选序列、致病机制及治疗背景。完整性与来源：坐标和分析均带有可通过CRC32/MD5验证的清单；TTT-7审计标记仅为组织惯例。许可：CC BY 4.0——开放用于学术和商业治疗用途。主要研究者：James Paul Trageser 所属机构：Nexus Resonance Codex ORCID：0009-0006-6678-2908 X（Twitter）：@jtrag 存储库：https://GitHub.com/Nexus-Resonance-Codex/Drug-Discovery
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
